基于改进PSO-FNN算法的钢筋混凝土腐蚀检测研究

摘要

针对传统粒子群算法(PSO)在处理复杂搜索问题中容易产生早熟收敛,局部寻优能力较差等问题,提出PSO算法中惯性因子的自适应调整方法,将改进的PSO算法优化模糊神经网络(FNN),并将改进的PSO-FNN算法应用于多传感器信息融合的钢筋混凝土腐蚀检测中,检测系统包括pH值传感器、氯离子传感器和湿度传感器.通过改进的PSO算法得到优化的神经网络连接权值,提高算法的搜索速度和训练效率,避免模糊神经网络易陷入局部极小值的问题.利用改进PSO-FNN算法对钢筋腐蚀的样本数据进行训练及测试,结果表明,改进的PSO-FNN腐蚀检测模型算法性能优于PSO-FNN算法,收敛速度快,可有效提高钢筋混凝土腐蚀检测的精度.